Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

bindery

Bindery es un gestor automatizado de ebooks y audiolibros para Usenet y torrents, reemplazo activo de Readarr con soporte multi-fuente de metadatos, importación de base de datos existente y despliegue en contenedores o binario único.

Ficha actualizada 22 sept 2026, 4:05 · upstream 22 sept 2026, 4:05 · release v1.37.0

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es bindery

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Bindery es una herramienta de gestión automatizada para ebooks y audiolibros diseñada como alternativa moderna a Readarr tras su archivo oficial en junio de 2025. Monitorea autores, busca indexadores Newznab/Torznab, descarga mediante SABnzbd/NZBGet/qBit/Transmission/Deluge/rTorrent y organiza la biblioteca sin puntos únicos de fallo para metadatos.

El proyecto utiliza Go como lenguaje principal con UI embebida en React, SQLite local (sin base de datos externa), y soporta imágenes distroless, Helm charts y builds ARM hasta Pi Zero. Incluye importación directa de readarr.db para migrar bibliotecas existentes sin reingreso manual de autores o indexadores.

Soporta seis fuentes independientes de metadatos (OpenLibrary, Google Books, Hardcover, DNB, Audnex, Audible) con cero scraping, perfiles de calidad para múltiples formatos (EPUB, MOBI, AZW3, PDF, M4B, FLAC, MP3, etc.), integración Calibre en tres modos y audiobookshelf import. La interfaz es responsive con modo oscuro/claro.

CASOS DE USO
  • Monitorear autores literarios y descubrir publicaciones nuevas automáticamente sin intervención manual
  • Migrar una instalación de Readarr existente importando readarr.db completo con autores, indexadores y bloqueos
  • Gestionar bibliotecas mixtas de ebooks y audiolibros en repositorios separados con pipelines independientes
  • Descargar desde Usenet (SABnzbd/NZBGet) y torrents (qBit/Transmission/Deluge/rTorrent) con ranking inteligente
  • Organizar biblioteca local con Calibre o Audiobookshelf mediante importación de catálogo existente
PUNTOS DESTACADOS
  • Base de datos SQLite embebida sin dependencias externas, compatible con imágenes distroless y despliegues Kubernetes/Helm
  • Sexto fuentes de metadatos independientes (OpenLibrary, Google Books, Hardcover, DNB, Audnex, Audible) sin scraping
  • Importación directa de readarr.db preservando autores, indexadores, clientes de descarga y bloqueos
  • Soporte ARM hasta Raspberry Pi Zero (armv6), con builds para múltiples arquitecturas
  • Interfaz responsive con modo oscuro/claro, compatible móvil y desktop
PRECAUCIONES
  • Complejidad HIGH según análisis técnico, requiere 4 núcleos CPU y 4096 MB RAM recomendados
  • No incluye docker-compose, solo Dockerfile individual
  • Requiere configuración manual de indexadores Newznab/Torznab con URL base y SSL
  • Importación Calibre limitada a calibredb CLI o plugin cross-container externo
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA4 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker detectado

Desplegar como contenedor Docker con imagen ghcr.io/vavallee/bindery. Puerto 8787 por defecto. Soporta Helm charts para Kubernetes. Imagen distroless optimizada para ARM (incluye Pi Zero). Para migrar de Readarr: bindery migrate readarr /ruta/readarr.db. Configurar indexadores en Settings → Indexers con URL base y SSL según reverse proxy. Verificar rutas de importación en Diagnose antes de activar auto-grab.

✓Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.jsGoRustPython
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
8787
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.